您当前的位置：
首页 >
文章列表页 >
基于深度学习的LSTM模型在X荧光光谱中的应用
核物理、交叉学科研究 | 更新时间：2024-10-25
|

    • 基于深度学习的LSTM模型在X荧光光谱中的应用

    • Application of an LSTM model based on deep learning through X-ray fluorescence spectroscopy

    • “在X荧光光谱分析领域，专家采用CNN-LSTM模型，有效校正畸变脉冲幅度损失造成的影子峰，提高特征峰计数率精度。”
    • 核技术   2023年46卷第7期 文章编号：070502

    • DOI：10.11889/j.0253-3219.2023.hjs.46.070502    

      中图分类号： O657.34

    • 收稿日期：2023-02-15，

      修回日期：2023-03-13，

      纸质出版日期：2023-07-15

    移动端阅览

  • 唐琳,李勇,唐羽锋等.基于深度学习的LSTM模型在X荧光光谱中的应用[J].核技术,2023,46(07):070502. DOI： 10.11889/j.0253-3219.2023.hjs.46.070502.

    TANG Lin,LI Yong,TANG Yufeng,et al.Application of an LSTM model based on deep learning through X-ray fluorescence spectroscopy[J].NUCLEAR TECHNIQUES,2023,46(07):070502. DOI： 10.11889/j.0253-3219.2023.hjs.46.070502.

  •  
  •  

0

浏览量

90

下载量

1

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

轻量级神经网络模型在核脉冲参数预测中的应用研究
基于小波集成一维卷积神经网络的抗噪声聚变电源故障诊断方法研究
嵌入位置编码的多头注意力机制在堆积脉冲幅度估计中的应用
基于卷积神经网络算法的X射线晶体衍射实验数据筛选

相关作者

李波
唐琳
周爽
廖先莉
张恒
李华
钟凌鹏
杭芹

相关机构

成都理工大学 核技术与自动化工程学院
成都大学 电子信息与电气工程学院
中国科学院合肥物质科学研究院 等离子体物理研究所
重庆邮电大学 计算机科学与技术学院
中国科学院上海应用物理研究所
0